多项式全家桶（二）：多项式的逆，导，积

         \ \ \ \ \ \ \,       这一部分麻烦一点了，但是很重要，几乎所有多项式都得用的，不过好在也不是很复杂的。

---

1. 多项式求逆

         \ \ \ \ \ \ \,       P4238 【模板】多项式求逆

         \ \ \ \ \ \ \,       求一个多项式 $A$ 的模 $x^n$ 的逆元$B$ 时，假设先求出了模$x^{\frac{n}{2}}$ 的逆元 $B^{\prime }$，既：

$$A\ast B^{\prime }\equiv 1(mod{x}^{\frac{n}{2}})$$

$$A\ast B\equiv 1(mod{x}^n)$$

         \ \ \ \ \ \ \,       那么显然存在：

$$A\ast B\equiv 1(mod{x}^{\frac{n}{2}})=A\ast B^{\prime }$$

$$B-B^{\prime }\equiv 0(mod{x}^{\frac{n}{2}})$$

         \ \ \ \ \ \ \,       两边同时平方：

$$B^2-2B{B}^{\prime }+B^{\prime 2}\equiv 0(mod{x}^n)$$

         \ \ \ \ \ \ \,       再把 $A$ 乘回去：

$$(A\ast B)\ast B-(A\ast B)\ast 2B^{\prime }+A\ast B^{\prime 2}\equiv A\ast 0(mod{x}^n)$$

$$B-2B^{\prime }+A\ast B^{\prime 2}\equiv 0(mod{x}^n)$$

$$B\equiv 2B^{\prime }-A\ast B^{\prime 2}(mod{x}^n)$$

         \ \ \ \ \ \ \,       我们就可以倍增来处理它了，起点是$B_0\equiv A_0^{-1}(mod{x}^1)$

inline Polynomial Inverse(const Polynomial &a){
	Polynomial ret,inv_a; 
	ret.resize(1);
  	ret[0]=Inv(a[0]);int ed=a.size();
	for(int len=2;len<=ed;len<<=1){
	 	int n=Prepare_Transformation(len+len);
	  	inv_a=a;inv_a.resize(n);ret.resize(n);
	  	for(int i=len;i<n;i++)inv_a[i]=0;
	  	NTT(inv_a,1);NTT(ret,1);
	  	for(int i=0;i<n;i++)ret[i]=1ll*(2ll-1ll*inv_a[i]*ret[i]%mod+mod)%mod*ret[i]%mod;
	  	NTT(ret,-1);
	  	//这里把比较复杂的卷积过程拖下来了。
	  	for(int i=len;i<n;i++)ret[i]=0;
	  	//这里不resize了，直接把多余的清零。
	}
	ret.resize(ed);
	//resize回来，防止以后长度爆炸。
	return ret;
}

---

2. 多项式求导

         \ \ \ \ \ \ \,       按照公式来，公式挺简单的，设多项式 $A$ 的导数为 $A^{\prime }$。

         \ \ \ \ \ \ \,       那么有：

$$x^{A^{\prime }}=A{x}^{A-1}$$

         \ \ \ \ \ \ \,       既：

$$A_i^{\prime }=i\times A_{i+1}$$

inline Polynomial Derivation(const Polynomial &a){
	int size=a.size();Polynomial ret;ret.resize(size);
  	for(int i=1;i<size;i++)ret[i-1]=1ll*i*a[i]%mod;
  	ret[size-1]=0;
	return ret;
}

---

3. 多项式求积

         \ \ \ \ \ \ \,       还是按照公式来，设多项式 $A$ 的积分为 $A^{\prime }$。

         \ \ \ \ \ \ \,       那么有：

$$\int x^{A^{\prime }}dx=\frac{1}{A+1}{x}^{A-1}$$

         \ \ \ \ \ \ \,       既：

$$A_i^{\prime }=\frac{A_{i-1}}{i}$$

         \ \ \ \ \ \ \,       那就是乘逆元咯 （兄弟俩长得挺像

inline Polynomial Integral(const Polynomial &a){
	int size=a.size();Polynomial ret;ret.resize(size);
  	for(int i=1;i<size;i++)ret[i]=1ll*Inv(i)*a[i-1]%mod;
  	ret[0]=0;
	return ret;
}

---

4. 多项式复合逆

         \ \ \ \ \ \ \,       NFLSOJ #332. 多项式复合逆

         \ \ \ \ \ \ \,       对于一个多项式$F$，若是存在一个多项式$G$，使得：

$$G(F(x))=x$$

         \ \ \ \ \ \ \,       那么就称多项式$G$是多项式$F$的复合逆。

         \ \ \ \ \ \ \,       目前复合逆没有$O(n\log n)$的做法，但是可以用拉格朗日反演做到$O(n^2\log n)$，既每一项每一项得求，求一项的时间是$O(n\log n)$的，下面给出公式：

$$G_i=\frac{{\left(\frac{x}{F}\right)}_{i-1}^i}{i}$$

         \ \ \ \ \ \ \,       那么求逆和卷积就好了，$x$都挺好处理的，证明很复杂，感兴趣可以看这里。

         \ \ \ \ \ \ \,       有一个值得注意的地方就是求逆的时候，应该直接求$\frac{F}{x}$的逆，而不是$F$的逆，因为既然多项式 $F$ 存在复合逆，那么常数项就应该是 $0$ ，这是不可能求逆的，先算出$\frac{F}{x}$即可。

         \ \ \ \ \ \ \,       若是需要$O(n\log n)$只求一项，则需要用到快速幂，下一篇我们会讲到

inline Polynomial Composition_Inverse(const Polynomial &a){
	int n=a.size();
  	Polynomial ret,Cinv=a,Pow;
  	Cinv.resize(n);ret.resize(n);Pow.resize(n);Pow[0]=1;
  	for(register int i=0;i<n-1;i++)Cinv[i]=Cinv[i+1];Cinv[n-1]=0;
  	Cinv=Inverse(Cinv);
  	for(register int i=1;i<n;++i){
  		Pow=Pow*Cinv;Pow.resize(n);
  		ret[i]=1ll*Pow[i-1]*Inv(i)%mod;
	}
  	return ret;
}